船舶设备智能故障诊断通用平台的研究

针对目前的诊断系统大多是面向单一的诊断对象和诊断方式，提出了智能故障诊断通用平台的概念，意在通过此平台实现全船设备的故障诊断。系统采用Matlab和VC混合编程的方式，BP神经网络同专家系统相结合来构造知识库并介绍了此平台的工作流程。     

船舶设备智能故障诊断通用平台的研究

本文针对目前的诊断系统大多是面向单一的诊断对象和诊断方式,提出了智能故障诊断通用平台的概念,意在通过此平台实现全船设备的故障诊断.系统采用Matlab和VC混合编程的方式,BP神经网络同专家系统相结合来构造知识库并介绍了此平台的工作流程.     

分形技术与概率神经网络在船舶柴油机故障诊断中的应用

船舶自动化程度的提高对能源的需求也日益增长,而船舶的柴油机系统作为能源的主要来源,其重要性也越来越明显。为提高柴油机的稳定性能,降低故障发生率,本文提出一种基于分形技术和神经网络算法的故障诊断模型。该模型中的分形理论能够甄别出故障的非线性特征,精确锁定故障的来源;然后利用神经网络算法对柴油机故障的诊断进行深度训练。最后利用LabVIEW仿真平台和Matlab软件进行故障诊断能力仿真验证,本文提出的综合诊断方法能够有效识别故障来源和类型。     

基于模糊神经网络的导弹故障智能诊断方法

采用模糊神经网络技术并辅以其他的诊断方法模块，利用协同计算机技术，能够对导弹武器系统进行实时在线和离线的故障进行智能诊断。研究表明，这是一种提高导弹武器故障诊断智能化的可行方法。     

船舶故障远程诊断系统

此文对船舶故障远程诊断系统的结构作了比较深入的研究，提出了可行的船舶远程故障诊断系统方案，论文还介绍了自行研制的用于船舶故障诊断的信号采集，存储和处理平台。     

船舶动力定位系统级故障诊断技术

针对松散耦合的船舶动力定位系统分布式体系结构，提出了一种基于改进的二值PMC模型约分布式系统级故障诊断算法。采用自诊断与互诊断相结合的方法，给出了分布式诊断算法、图论模型、诊断内容及算法中使用的报文种类、故障向量。基于软件故障注入思想设计了四种故障，并对该算法进行了诊断验证。结果表明：改进的PMC模型适用，所提出约分布式系统故障诊断算法正确，故障诊断与验证应用程序可靠、实用。     

基于B/S和C/S架构的船舶动力装置远程故障诊断系统

依据“智能船舶”的理念，针对船舶动力装置故障诊断系统，提出一种基于C/S和B/S混合架构的船舶动力装置远程故障诊断系统。依据B/S和C/S架构的优势，开发了基于C/S架构的数据管理平台，实现了船、岸间的数据、信息交互；将基于模糊神经网络的专家诊断模型应用于B/S架构的岸基船舶动力装置故障诊断系统的故障诊断判别，并利用BP算法训练实例对该模型进行了精度验证。结果表明，系统稳定可靠，故障诊断准确性高，为“智能船舶”发展提供了一个良好的解决方案。     

人工智能技术在船舶动力装置故障诊断中的应用

传统的动力装置故障诊断方法需要大量的故障数据样本,导致诊断效率和实时性差,无法满足现代船舶航行的需求。针对上述问题,提出人工智能技术在船舶动力装置故障诊断中的应用。使用小波包分析技术对传感器采集的信号进行去噪、分解重构以及能量谱特征提取处理后,构建船舶动力装置故障集。使用D-S理论对BP神经网络输出的诊断结果进行数据融合和置信度判断,得到可靠的诊断结果完成故障诊断。对比实验数据显示,利用人工智能的方法诊断精度较高,并且诊断响应效率高,具有良好的泛化能力。     

智能化故障诊断系统的研究与开发

基于神经网络轴系智能化故障诊断系统的开发技术，讨论了BP神经网络和自组织神经网络在轴系故障诊断中的应用特点，提出以PC为核心的扭振主号采集处理和标准样本的建立方法，介绍诊断系统的软件结构、模块功能、混合编程与接口技术、诊断流程和软件特点。实际应用表明，智能化故障诊断系统是船舶轴系扭振监测与故障诊断的一种有效工具。     

张力腿平台的环境荷载及响应

通过对张力腿平台的资料分析和案例模拟研究，概括了张力腿平台的环境荷载，探讨了平均环境荷载、波频荷载、低频荷载和高频荷载对张力腿平台运动的影响，分析了张力腿平台的运动特点，介绍了环境荷载与平台响应计算中所涉及到的关键因素以及世界上通用的设计规范，提出了开展我国深水海域开发研究的建议。     

舰船电力推进系统故障诊断专家系统设计

为了提高舰船电力推进系统故障诊断的智能化和准确性,在其故障诊断中引入人工智能专家系统方法,基于电力推进系统主要设备的故障树,以推理规则的方式构建知识库,采用正向推理策略和动态数据库实现专家系统的推理机和解释机制。     

微机控制的船舶电动机调速系统

对一些性能指标要求比较高的传动系统,.可以用数字控制方式,其具有控制精度高、可靠性高、控制灵活和自诊断能力的优点.本文结合转速电流双闭环调速系统,介绍微机控制的船舶电动机调速系统的设计.     

基于知识的故障诊断技术及其在船舶上的应用

介绍基于知识的故障诊断技术的基本原理,探讨故障诊断技术发展的趋势,提出了一种基于多种智能集成的故障诊断系统的组织结构,并给出其在船舶上应用的实例.     

某型平台罗经专家故障诊断系统知识库和推理机研究

某型平台罗经是大型复杂精密机械电子设备,为了快速提高维修速度,需建立一套高效适用的专家诊断系统,而专家知识库是系统的关键组成部分。在充分分析平台罗经各种故障类型的基础上,选择采用故障树诊断方法、专家系统方法、神经网络方法相结合,建立了一套高效的故障诊断系统知识库。     

基于模糊信息融合的船舶动力装置综合故障诊断方法研究

在模糊集理论的基础上,将决策级信息融合技术应用于故障诊断系统中,提出了一种基于系统模糊综合评价融合结构下的综合故障诊断方法.该方法以模糊逻辑运算和全局决策融合来自多传感器的局部判决来获取诊断对象的综合诊断结果,并对船舶主动力系统的运行故障进行诊断研究,结果表明,该方法准确有效,为船舶动力装置故障的智能化诊断提供了有益的借鉴.     

Application of data fusion method to fault diagnosis of nuclear power plant

The work condition of nuclear power plant (NPP) is very bad, which makes it has faults easily. In order to diagnose the faults real time, the fusion diagnosis system is built. The data fusion fault diagnosis system adopts data fusion method and divides the fault diagnosis into three levels, which are data fusion level, feature level and decision level. The feature level uses three parallel neural networks whose structures are the same. The purpose of using neural networks is mainly to get basic probability assignment (BPA) of D-S evidence theory, and the neural networks in feature level are used for local diagnosis, D-S evidence theory is adopted to integrate the local diagnosis results in decision level. The reactor coolant system is the study object and we choose 2# steam generator Utubes break of the reactor coolant system as a diagnostic example, The experiments prove that the fusion diagnosis system can satisfy the fault diagnosis requirement of complicated system, and verify that the fusion fault diagnosis system can realize the fault diagnosis of NPP on line timely.     

燃气轮机混合智能故障诊断专家系统

该文针对燃气轮机的状态监测和故障诊断问题。在单一故障诊断方法无法获得较为满意的诊断结果的情况下,提出了综合利用算法诊断、规则诊断和模型诊断等方法的混合智能诊断方法,根据系统故障诊断过程在不同状态下所具有的特点和任务,利用神经网络、规则推理和建立诊断数学模型等方法来有效的完成诊断任务。     

基于软构件技术的舰用导航设备故障诊断系统

基于决策支持系统（DSS）的故障智能诊断软构件设计思想，能解决传统舰用故障诊断软件可重用性和移植性差的问题。该设计将DSS与软构件相结合，用专家系统的软构件技术舰用导航设备智能故障诊断系统软件。采用DSS和人工智能技术、集成事实与规则2种知识表达方法，设计出一种结构化的智能故障诊断系统。它由专家系统、人机接口、计算机、知识获取机构、系统知识库、推理机和解释器、动态数据库、神经网络知识库、问题处理和测试等组成。